MétaCan
Menu
Retour à la cohorte
Enregistrement W4392759892 · doi:10.5194/egusphere-egu24-13050

A Review of Regional and National Meteorological Networks offering soil moisture sensors and a review of the analytical methodology

2024· review· en· W4392759892 sur OpenAlexaboutno aff
Alan Farsad, Keith Bellingham

Notice bibliographique

Revuenon disponible
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceMoistureEnvironmental resource managementMeteorologyComputer scienceEnvironmental planningGeography

Résumé

récupéré en direct d'OpenAlex

Soil moisture is a significant factor in Earth’s hydrological cycles that influences weather, drought, climate, and water resources on land and in water bodies. However, throughout most of the 20th century, soil moisture received less attention and was not included in many hydrological studies. In the 1978, J. W. Deardorff with the United States’ National Center for Atmospheric Research started to demonstrate the relationship between soil moisture and meteorologic conditions. Just two years later in 1980, G. C. Topp at the University of Toronto developed the Topp Equation - the first empirical calibration for soil moisture using time domain reflectometry (TDR). Additionally, that same year, M. T. van Genuchten published the van Genuchten Equation, which established a numerical relationship between soil moisture an unsaturated hydrologic head. Starting in the 1990s, the United States Department of Agriculture began using impedance-based soil moisture sensor technology to equip SNOTEL sites for water shed scale water supply forecasts. Since then, numerous large-scale regional meteorological networks incorporate soil moisture sensors, often referred to as ‘mesonets’, have emerged worldwide. Soil water dynamics is complex often not well understood. Analytical methods using electromagnetic principles rely on the behavior and distribution electromagnetic energy in soil, making the operational theory of commercial sensors unclear at times. Soil moisture exhibits significant variabilities in space and time, as well as being influenced by hydrological and mineralogical properties of the soil. These factors give rise to several misconceptions about soil moisture monitoring. This presentation discusses the growing importance of soil moisture as a critical parameter of the Earth’s hydrological cycle. This discussion also focuses on the objective and goals of North American soil moisture monitoring networks. Furthermore, the availability and emerging electromagnetic sensor technologies are reviewed. Lastly, calibration and validation soil sensors are also examined.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,009
Études des sciences et des technologies0,0000,000
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,005

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,104
Tête enseignante GPT0,358
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoil Moisture and Remote SensingTravaux en français237 207